Добавь сайт в закладки нажми CTRL+D
Генеративный ИИ спроектировал полные геномы бактериофагов с нуля, и шестнадцать из них ожили в чашке Петри.
6 августа 2026 года в журнале Science вышла работа Сэмюэла Кинга, Брайана Хи и их коллег из Стэнфорда и Arc Institute.
Что произошло в чашке Петри
За основу взяли ΦX174 — бактериофаг — так называют вирусы, которые заражают бактерий. Он очень удобен потому что довольно простой — у него геном крошечный: 5386 нуклеотидов, 11 генов.
Но есть проблема: геном ΦX174 хоть и маленький, устроен очень плотно. Некоторые его гены буквально наложены друг на друга, поэтому одна и та же «буква» ДНК может участвовать сразу в нескольких инструкциях.
Поменяешь её ради одного белка — рискуешь сломать другой. Настолько хитро всё упаковано, что обычные программы находили в этом вирусе лишь 7 генов из 11.
Учёные поручили задачу двум ИИ-моделям — Evo 1 и Evo 2. Они работают примерно как языковые нейросети, только вместо слов имеют дело с четырьмя буквами ДНК: А, Т, Г и Ц.
Моделям показали тысячи геномов родственных фагов, после чего те предложили около 700 тысяч вариантов нового генома.
Учёные отсеяли явно неподходящие и оставили только те, которые сохраняли основные детали устройства ΦX174. До реального лабораторного испытания дошли 285 вариантов.
Эти 285 искусственно собранных геномов поместили в бактерии кишечной палочки E. coli, чтобы проверить, сможет ли по такой инструкции появиться настоящий вирус. Ведь вирусы не могут воспроизводиться — им нужно поражать живые клетки, которые выступают, как фабрики и начинают производить новые вирусы.
Так и получилось! Сработали 16 ДНК новых вирусов. Это были не копии природного ΦX174, а новые варианты, которых раньше не существовало.
Три из них в прямом соревновании размножались лучше исходного фага, а смесь всех шестнадцати смогла заражать даже бактерии, которые уже научились защищаться от обычного ΦX174.
Главная цифра эксперимента — 269
Простая арифметика: 285 минус 16. Двести шестьдесят девять проектов не дали жизнеспособного фага в этом эксперименте. Если считать от физически собранных и протестированных конструкций, успех — 5,6%.
Самая важная цифра этого эксперимента — не 16, а 269. Столько предложений нейросети живая клетка отклонила. Машина уже научилась писать геномы, но окончательную подпись пока ставит природа.
Жорди Гарсия Охалво, профессор системной биологии Университета Помпеу Фабра в Барселоне, назвал непрошедшие геномы галлюцинациями модели — ровно тем же словом, каким описывают выдуманные чат-ботом судебные решения. Сейчас много шума с историями (наверняка вы их слышали) — когда ИИ выдумывал какие-то законы, давал на них ссылки, а юристы их использовали.
Симметрия красивая: текстовая нейросеть придумывает несуществующие приговоры, геномная — неработающие биологические инструкции.
Любопытно, что чем ближе модель держалась к оригинальному геномы, тем чаще у неё получались работающие варианты (как вы помните — их оказалось всего 5,6%). Творческая смелость нейросети пока обратно пропорциональна её результативности.
Правка прямо в ДНК-типографии
Есть ещё одна важная деталь. Примерно у половины из 16 заработавших фагов появились изменения, которых нейросеть вообще не предлагала. То есть ИИ написал геном, но по дороге к живому вирусу природа кое-что в нём исправила.
Нейросеть сдала черновик, а живая система местами внесла правки уже в типографии, шутят авторы эксперимента.
При этом новые вирусы действительно сильно отличались от природных. В их геномах было от 67 до 392 изменений по сравнению с ближайшими известными родственниками. У 13 из 16 нашли сочетания участков ДНК, которых раньше в природе не встречали. Один из фагов, Evo-Φ36, даже смог использовать деталь от довольно далёкого родственника — то, что учёные раньше пытались сделать вручную и не смогли. Нейросеть подобрала вокруг этой детали другие изменения, и конструкция заработала.
Учёные всё ещё не умеют заранее сказать, какой придуманный геном оживёт, а какой окажется бесполезным набором букв. И сама нейросеть этого объяснить тоже не может. Она перебирает огромное число возможных вариантов и иногда находит рабочие — примерно как человек, который на ощупь подбирает ключ к замку, не зная, что происходит внутри механизма.
Раньше обычно сначала пытались понять, как что-то устроено, а уже потом этим управляли. Здесь порядок начал меняться: мы уже можем получать новые работающие геномы, хотя ещё не до конца понимаем, почему именно они работают. Человек научился проектировать работающую биологию раньше, чем научился полностью объяснять собственный проект. И забавно, что для этого эксперимента выбрали тот самый ΦX174, который человечество когда-то первым научилось читать целиком.
Почему это не Апокалипсис
Начнём с главного: эти фаги не умеют заражать людей. Фаги вообще охотятся на бактерий. Все 16 новых вирусов заражали только лабораторные штаммы кишечной палочки E. coli C и близкий к нему штамм W. На шести других проверенных штаммах они уже не работали.
Разработчики Evo к тому же заранее убрали из обучающих данных вирусы людей, животных и растений и специально проверяли, нельзя ли заставить модель выдавать опасные варианты. На таких задачах она справлялась плохо.
Есть и ещё одна важная поправка к громким заголовкам. Коктейль из новых фагов смог обойти защиту бактерий от обычного ΦX174 — но это не значит, что он победил устойчивость к антибиотикам. Лечение антибиотикоустойчивых инфекций с помощью фагов — пока цель таких исследований, а не результат этого опыта. На вирусах человека метод вообще не проверяли. Здесь работали с очень маленьким и простым фагом. То есть до сценария «попросил ИИ придумать вирус — получил пандемию» дистанция огромная.
Но интереснее другое. Когда бактерии научились защищаться от природного ΦX174, победили их не какие-то идеальные вирусы, придуманные нейросетью с первой попытки. В ходе эксперимента возникли новые фаги-мозаики, в которых смешались части нескольких ИИ-вариантов. Получается, модель дала набор разных решений, а дальнейший отбор собрал из них рабочую комбинацию.
Возможно, главный практический урок работы такой: в биологии выгоднее проектировать не один совершенный геном, а пространство вариантов, где отбор сам найдёт рабочий маршрут. Опасны не эти шестнадцать вирусов. Опасно то, что начинает дешеветь сам поиск работоспособной биологии.
Раньше биоинженерия спрашивала у природы: «что у тебя уже есть?» Теперь она начинает спрашивать модель: «что ещё может сработать?»
И здесь появляется уже настоящий вопрос безопасности. Модель Evo опубликована открыто, а часть защиты устроена довольно просто: опасные вирусы убрали из материала, на котором её учили. Теоретически модель можно снова дообучить на других данных.
Защита, которая живёт в обучающих данных, а не в коде, — это не замок. Это табличка «не входить».
Поэтому специалисты по биобезопасности предлагают контролировать не только сами лаборатории, но и следующий шаг — заказ искусственно изготовленной ДНК. Поставщик должен проверять, что именно ему заказали и кто это заказал, в том числе когда новая последовательность не похожа ни на один уже известный опасный вирус.
В биобезопасности больше нельзя регулировать отдельно лабораторию и отдельно нейросеть. Новый объект контроля — весь конвейер: цифровой проект, его физический синтез, лабораторная проверка. Геном становится опасным не тогда, когда появился на экране, а когда цифровая инструкция получает материальное воплощение.
Между текстом из букв А, Т, Г и Ц на компьютере и настоящим вирусом по-прежнему лежит длинная цепочка: ДНК нужно физически изготовить, собрать, поместить в подходящие клетки и проверить. Сейчас большинство придуманных вариантов вообще не работает: в этом опыте выжил примерно один из двадцати.
Поэтому главный вопрос не в этих 16 фагах. Он в том, что произойдёт, если через несколько лет нейросети начнут гораздо чаще угадывать с первого раза.
Поделись видео: